modele

Meta: Muse Spark 1.3 Contributor

Markdown · JSON

Meta: Muse Spark 1.3 Contributor

Muse Spark 1.3 Contributor to edycja z rozumowaniem w agentowej i programistycznej rodzinie Meta, przeznaczona do procesów prototypowania. Producent wymienia wejścia tekstowe, obrazowe, wideo i PDF, wyjście tekstowe i kontekst 1 048 576 tokenów, z poziomami rozumowania do xhigh zamiast max z Standard 1.3.

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Muse Spark 1.3 Contributor to osobno nazwana edycja w rodzinie Muse Spark Meta do prototypowania i eksperymentowania. Rodzina jest zaprojektowana do pracy agentowej i programistycznej: wieloetapowych pętli narzędziowych, asystentów oprogramowania i rozumowania nad obszernym materiałem źródłowym. Zachowaj nazwę Contributor przy wyborze edycji, zamiast traktować ją jako wpis Standard 1.3 z każdym ustawieniem przeniesionym bez zmian.

Wejścia i kontekst

Oficjalna tabela modeli wymienia tekst, obrazy, wideo i PDF-y jako wejścia oraz tekst jako wyjście, z oknem kontekstu 1 048 576 tokenów. Zadanie może łączyć pisemne wymaganie, zrzut ekranu, odpowiedni klip lub strony dokumentu i wymagać pisemnego wyjaśnienia, ustrukturyzowanych ustaleń lub propozycji kodu. Tekstowy wynik modelu może stać się rezultatem w otaczającej aplikacji; renderowanie strony lub wykonanie kodu wymaga tego środowiska aplikacyjnego.

Wskaż każde źródło i jego rolę przed poproszeniem o wynik. Zadanie prototypowania interfejsu może łączyć zrzut ekranu z pożądanym zachowaniem i istniejącym fragmentem kodu. Poproś o widoczne różnice, proponowaną zmianę implementacji i założenia nadal wymagające wyjaśnienia. Zadanie dokumentowe może określać pola do wyodrębnienia i wymagać potwierdzającej strony lub fragmentu przy każdym ustaleniu.

Producent zaznacza, że rozumienie dźwięku w wersji 1.3 nie jest w pełni obsługiwane i może dawać odpowiedzi niższej jakości. Traktuj to jako ograniczenie właściwe dla wersji, zamiast kopiować do tego opisu możliwości audio Muse Spark 1.2 lub osobno nazwanego modelu transkrypcyjnego.

Poziomy rozumowania i budżet odpowiedzi

Muse Spark generuje wewnętrzne rozumowanie przed widoczną odpowiedzią. Udokumentowane poziomy wysiłku mające tu zastosowanie to minimal, low, medium, high i xhigh. Poziom max należy wyłącznie do Standard Muse Spark 1.3 i nie jest dostępny dla modeli Contributor. Wyłączanie rozumowania przez none nie jest obsługiwane; pominięcie ustawienia nadal pozostawia rozumowanie na poziomie określanym przez model.

Budżet tokenów wyjściowych obejmuje zarówno wewnętrzne rozumowanie, jak i widoczny tekst. Żądanie długiego wyniku pisemnego wymaga więc miejsca na oba, szczególnie przy wyższym wysiłku rozumowania. Surowe wewnętrzne rozumowanie pozostaje prywatne, a logarytmy prawdopodobieństw nie są obsługiwane jako miara pewności. Poproś o wyjaśnienie, pola lub końcowy kod potrzebny w zadaniu, zamiast zakładać, że bazowy zapis rozumowania zostanie zwrócony jako czytelny tekst.

Przy skoncentrowanym eksperymencie ekstrakcji lub formatowania zdefiniuj dokładny rekord i materiał źródłowy. Przy wieloetapowym problemie programistycznym lub wizualnym określ decyzje pośrednie i końcowy rezultat. Wyższy wysiłek rozumowania zmienia przydział na rozumowanie; sam nie określa, co stanowi ukończony, użyteczny wynik.

Narzędzia i ustrukturyzowane ustalenia

Dokumentacja Muse Spark producenta opisuje wywoływanie narzędzi zdefiniowanych przez programistę i ustrukturyzowane wyjście. Aplikacja dostarcza definicje narzędzi, model decyduje, jaka operacja jest potrzebna, i przygotowuje jej argumenty, a aplikacja wykonuje każde wywołanie i zwraca odpowiedni wynik. Następna odpowiedź może użyć tych wyników do określenia dalszego działania. Proponowane wywołanie jest odrębne od ukończonej operacji.

Ta sama dokumentacja odróżnia podłączone wbudowane narzędzia wyszukiwania od funkcji zdefiniowanych przez programistę. Wyszukiwanie lub wykonanie kodu jest częścią środowiska narzędziowego, a nie dodatkową modalnością treści odpowiedzi tekstowej. W prototypie udostępniaj tylko operacje istotne dla pytania i opisuj, co każda zwraca, aby późniejsza odpowiedź pozostała powiązana z rzeczywiście wyszukanymi lub obliczonymi informacjami.

Przy ustrukturyzowanej ekstrakcji określ nazwy pól, wymagane informacje i sposób przedstawiania brakujących wartości. Praktyczny rekord może zawierać identyfikator źródła, zaobserwowany fakt, interpretację i pytanie nadal wymagające wyjaśnienia. Oddziel rekord od opcjonalnego tekstu opisowego, gdy aplikacja musi niezawodnie przetwarzać pola. Interfejs schematów producenta odrzuca schematy rekurencyjne i ogranicza zagnieżdżenie do dziesięciu poziomów. Jego tryb ścisły wymaga zwykłego obiektu jako korzenia, obowiązkowości każdej wymienionej właściwości i zakazu dodatkowych właściwości. Dopasowana struktura nie ustala poprawności faktów.

Użyteczne zadanie prototypowe

Wybierz jeden proces, który może wytworzyć rezultat możliwy do sprawdzenia. Dostarcz wymaganie, przykład wizualny i kod określający bieżące zachowanie. Poproś o krótkie porównanie, proponowany zmieniony fragment i przykłady odróżniające oczekiwane zachowanie od bieżącego. Dołącz każdy wynik wyszukiwania lub wykonania zwrócony przez aplikację przed poproszeniem o końcowe wyjaśnienie.

Przy prototypie dokumentowym podaj PDF i pytanie do rozstrzygnięcia, a następnie poproś o podsumowanie powiązane ze źródłami lub tabelę porównawczą. Przy wideo wskaż zdarzenie lub relację wizualną do zbadania i poproś o uporządkowany opis z potwierdzającymi obserwacjami. Określ długość i sekcje odpowiedzi końcowej, aby duży kontekst modelu służył rzeczywistemu pytaniu.

Granice edycji i ciągłości

Contributor pozostaje własną nazwaną edycją 1.3 z udokumentowanym kontekstem i typami wejścia. Przewodnik rozumowania Meta odróżnia zwykłą historię rozmowy od zachowania prywatnego rozumowania między turami: interfejs czatu producenta nie zwraca tego prywatnego zapisu zewnętrznym wywołującym. Zachowuj widoczne wiadomości, źródła i wyniki narzędzi potrzebne do kontynuacji, zamiast zakładać, że każdy interfejs przenosi wewnętrzne rozumowanie dalej.

Przeczytane źródła nie określają osobnej sztywnej maksymalnej pojemności tokenów wejściowych lub wyjściowych poza oknem kontekstu. Zachowaj edycję, przygotowanie wejścia i żądany rezultat oraz utrzymuj powiązanie wykonania narzędzi i dostarczenia końcowego tekstu z wynikami rzeczywiście uzyskanymi w procesie prototypowania.

Zadanie praktyczne

Zadanie praktyczne

Przykład techniczny po angielsku

Prototype and test a text-only helper

Design a small Python prototype for an appointment reminder. Input records contain id and minutes_until_start. Return IDs where 0 <= minutes_until_start <= 30, preserving input order. Supply the function and cases at -1, 0, 30 and 31 minutes. Include a short note on assumptions; no calendar connection or reminder sending is available.

Oczekiwany wynik

A self-contained function, boundary-case assertions and explicit assumptions about input fields.

Sprawdź wynik

Exactly the 0- and 30-minute records qualify, and the function does not send messages or assume calendar access.
Ailoot Ultra · OpenAI Chat POST /v1/chat/completions meta/muse-spark-1.3-contributor

meta/muse-spark-1.3-contributor

Meta /meta/muse-spark-1.3-contributor

Start

Muse Spark 1.3 Contributor to edycja z rozumowaniem w agentowej i programistycznej rodzinie Meta, przeznaczona do procesów prototypowania. Producent wymienia wejścia tekstowe, obrazowe, wideo i PDF, wyjście tekstowe i kontekst 1 048 576 tokenów, z poziomami rozumowania do xhigh zamiast max z Standard 1.3.

Akceptowane dane wejściowe
Tekst
Wyniki
Tekst

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · OpenAI Chat POST /v1/chat/completions
Wejście
text
Wyjście
text
Format wyjściowy
json lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
meta/muse-spark-1.3-contributor
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Domyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
Przykłady: system, user, assistant, tool, function
Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu.
Zależy od modelu
Domyślnie—
Polemessages[].contentTypstring|content_part[]|nullWymaganieOpcjonalneWartości i limityDomyślnie—
Polemessages[].tool_callsTyptool_call[]WymaganieOpcjonalneWartości i limityDomyślnie—
Polemessages[].tool_call_idTypstringWymaganieOpcjonalneWartości i limity
Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID
Domyślnie—
Polemessages[].nameTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Polemessages[].reasoning_contentTypstringWymaganieOpcjonalneWartości i limity
Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa
Domyślnie—
Polemessages[].reasoning_detailsTypobject|arrayWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Polemax_tokensTypintegerWymaganieOpcjonalneWartości i limity
Minimum: 1
Zależy od modelu
Domyślnie—
Polemax_completion_tokensTypintegerWymaganieOpcjonalneWartości i limity
Minimum: 1
Zależy od modelu
Domyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Polestream_options.include_usageTypbooleanWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PoletemperatureTypnumberWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poletop_pTypnumberWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PolestopTypstring|string[]WymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PoletoolsTypfunction_tool[]WymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poletools[].typeTypstringWymaganieOpcjonalneWartości i limity
function
Zależy od modelu
Domyślnie—
Poletools[].function.nameTypstringWymaganieWymaganeWartości i limity
Obowiązuje, gdy: udostępnione narzędzie funkcji
Domyślnie—
Poletools[].function.descriptionTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Poletools[].function.parametersTypJSON_schemaWymaganieOpcjonalneWartości i limityDomyślnie—
Poletool_choiceTypstring|objectWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poleparallel_tool_callsTypbooleanWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poleresponse_formatTypobjectWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Polereasoning_effortTypstringWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PolereasoningTypobjectWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poleservice_tierTypstringWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PoleinstructionsTypstringWymaganieOpcjonalneWartości i limity
Pole zgodności
Domyślnie—
PolefunctionsTypfunction[]WymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Polefunction_callTypstring|objectWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
Poleprompt_cache_optionsTypobjectWymaganieOpcjonalneWartości i limity
Zależy od modelu
Domyślnie—
PolemodalitiesTypstring[]WymaganieOpcjonalneWartości i limity
text
Domyślnie—
PoleproviderTypobjectWymaganieOpcjonalneWartości i limity
Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra
Domyślnie—
Polecache_control.ttlTypstringWymaganieOpcjonalneWartości i limity
Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów
Domyślnie—
Kombinacje materiałów wejściowych

Tekst · tekst UTF8

messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages
Parametrmaterial_typesKontrakttext
ParametrmessagesKontrakttablica wiadomości o strukturze role/content
Parametrfile_materialKontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku
Parametroptional_controlsKontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice
Parametrcontrol_scopeKontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych
Parametroutput_modalitiesKontrakttext
Parametrhosted_operationsKontraktfalse
Parametrmultimodal_input_bindingKontraktnull

Cykl życia: synchronous_or_streamed

Wyślij dokładne ID modelu wraz z messages.

Długość kontekstu nie jest limitem wyjścia.

Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Stawka standardowa Gdy wybrany jest tryb szybki
Tryb flex
Stawka standardowa Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)
Intensywność rozumowania · high
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na high
Intensywność rozumowania · low
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na low
Intensywność rozumowania · max
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na max
Intensywność rozumowania · medium
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na medium
Intensywność rozumowania · minimal
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na minimal
Intensywność rozumowania · xhigh
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na xhigh

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów
Wejście · Odczyt cache $0.000004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów
Wejście · Odczyt cache $0.000004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · OpenAI Chat

curlPython SDKStrumień w Pythonie
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "meta/muse-spark-1.3-contributor", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
    if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

save_result(result.to_dict(mode="json"))
from openai import OpenAI
import os
from pathlib import Path

if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
import base64, json
from pathlib import Path

def save_result(data, stem="result"):
    # Keep every field, including usage, IDs, reasoning and tool requests.
    Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
    print(json.dumps(data, ensure_ascii=False, indent=2))
    def save_blob(encoded, suffix, label):
        raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
        ext = "png" if raw.startswith(b"\x89PNG\r\n\x1a\n") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix
        file = Path(stem + "-" + label + "." + ext)
        file.write_bytes(raw)
        print("Saved", file)
    for index, block in enumerate(data.get("content") or []):
        print("Content", index, json.dumps(block, ensure_ascii=False))
    for choice in data.get("choices") or []:
        print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
    for index, item in enumerate(data.get("output") or []):
        print("Output", index, json.dumps(item, ensure_ascii=False))
        if item.get("type") == "image_generation_call" and item.get("result"):
            save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
    for ci, candidate in enumerate(data.get("candidates") or []):
        for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
            print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
            blob = part.get("inlineData") or part.get("inline_data")
            if blob and blob.get("data"):
                mime = blob.get("mimeType") or blob.get("mime_type")
                suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
                save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))

with client.chat.completions.stream(model='meta/muse-spark-1.3-contributor',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:
    with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:
        for event in stream:
            payload=event.to_dict(mode="json")
            log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush()
            print(json.dumps(payload,ensure_ascii=False))
    final=stream.get_final_completion()
    save_result(final.to_dict(mode="json"),"stream-result")

Odbieranie i zapisywanie wyników

Ailoot Ultra · OpenAI Chat

json lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
Polechoices[].indexTypinteger
Polechoices[].message.contentTypstring|null
Polechoices[].message.tool_callsTyptool_call[]
Polechoices[].message.reasoning_contentTypstring
Polechoices[].message.reasoning_detailsTypobject|array
Polechoices[].finish_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra meta/muse-spark-1.3-contributor

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

meta/muse-spark-1.3-contributor

Ailoot Ultra · Anthropic Messages POST /v1/messages meta/muse-spark-1.3-contributor

meta/muse-spark-1.3-contributor

Meta /meta/muse-spark-1.3-contributor

Start

Muse Spark 1.3 Contributor to edycja z rozumowaniem w agentowej i programistycznej rodzinie Meta, przeznaczona do procesów prototypowania. Producent wymienia wejścia tekstowe, obrazowe, wideo i PDF, wyjście tekstowe i kontekst 1 048 576 tokenów, z poziomami rozumowania do xhigh zamiast max z Standard 1.3.

Akceptowane dane wejściowe
Tekst
Wyniki
json · sse

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Anthropic Messages POST /v1/messages
Wejście
text
Wyjście
json, sse
Format wyjściowy
JSON lub SSE
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
meta/muse-spark-1.3-contributor
Domyślnie—
PolemessagesTypmessage[]WymaganieWymaganeWartości i limityDomyślnie—
Polemessages[].roleTypstringWymaganieWymaganeWartości i limity
user, assistant
Domyślnie—
Polemessages[].contentTypstringWymaganieWymaganeWartości i limityDomyślnie—
Polemax_tokensTypintegerWymaganieWymaganeWartości i limityDomyślnie—
PolestreamTypbooleanWymaganieOpcjonalneWartości i limityDomyślniefalse
Kombinacje materiałów wejściowych

Tekst · tekst UTF-8

ciąg messages[].content

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, messages, max_tokens
Parametroptional_controlsKontraktstream
Parametrmaterial_typesKontrakttext
Parametrtext_file_materialKontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości.

Cykl życia: synchronous_or_streamed

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Stawka standardowa Gdy wybrany jest tryb szybki
Tryb flex
Stawka standardowa Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)
Intensywność rozumowania · high
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na high
Intensywność rozumowania · low
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na low
Intensywność rozumowania · max
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na max
Intensywność rozumowania · medium
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na medium
Intensywność rozumowania · minimal
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na minimal
Intensywność rozumowania · xhigh
Stawka standardowa Gdy intensywność rozumowania jest ustawiona na xhigh

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekTokeny kontekstu, więcej niżTokeny kontekstu, do podanej wartości włącznieOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaTokeny kontekstu, więcej niż—Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów
Wejście · Odczyt cache $0.000004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
KonfiguracjaPrzedział długości żądania 1Tabela stawek—Tokeny kontekstu, więcej niż0Tokeny kontekstu, do podanej wartości włącznieBez górnej granicyOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów
Wejście · Odczyt cache $0.000004 / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Anthropic Messages

Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik
{
  "model": "meta/muse-spark-1.3-contributor",
  "max_tokens": 128,
  "messages": [
    {
      "role": "user",
      "content": "Summarize the incident report."
    }
  ],
  "stream": false
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
  -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'meta/muse-spark-1.3-contributor', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))

Odbieranie i zapisywanie wyników

Ailoot Ultra · Anthropic Messages

JSON lub SSE

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.

Pola odpowiedzi
PoleTyp
PoleidTypstring
PolemodelTypstring
Polecontent[]Typtext|thinking|tool_use|other content block
Polestop_reasonTypstring|null
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra meta/muse-spark-1.3-contributor

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

meta/muse-spark-1.3-contributor

FAQ · Meta: Muse Spark 1.3 Contributor
Jakie dane wejściowe i wyniki są dostępne?

POST /v1/chat/completions · meta/muse-spark-1.3-contributor: text → text

POST /v1/messages · meta/muse-spark-1.3-contributor: text → json, sse

Jakich pól używa żądanie?

POST /v1/chat/completions · meta/muse-spark-1.3-contributor: model, messages, stream, modalities, provider

POST /v1/messages · meta/muse-spark-1.3-contributor: model, messages, max_tokens, stream

Jakie limity obowiązują?

POST /v1/chat/completions · meta/muse-spark-1.3-contributor: messages.min_items: 1

Więcej szczegółów

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja
Wybierz plan z rabatem do regularnych żądań.
Kod promocyjny do 50%
Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.
Koszty w historii
Model, tokeny i kwota są zapisywane dla każdego żądania.

Wybierz subskrypcję · Sprawdź ceny modeli

Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna
Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.
Licencja resellerska
Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.
Dokumenty na stronie
Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

Poproś o licencję resellerską · Oferta i umowa licencyjna